MétaCan
Menu
Retour à la cohorte
Enregistrement W2912814457 · doi:10.1109/access.2019.2895415

An Optimal Low Complexity PAPR Reduction Technique for Next Generation OFDM Systems

2019· article· en· W2912814457 sur OpenAlexaff
Ahmad M. Rateb, Mohamed Labana

Notice bibliographique

RevueIEEE Access · 2019
Typearticle
Langueen
DomaineEngineering
ThématiquePAPR reduction in OFDM
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésOrthogonal frequency-division multiplexingReduction (mathematics)Computer scienceBit error rateTransmitterWaveformAmplifierTransmission (telecommunications)Computational complexity theoryElectronic engineeringDistortion (music)Modulation (music)AlgorithmMathematicsTelecommunicationsChannel (broadcasting)Bandwidth (computing)Decoding methodsEngineering

Résumé

récupéré en direct d'OpenAlex

Orthogonal frequency division multiplexing (OFDM) is an efficient multi-carrier modulation technique that underlies most of the current and probably future high-speed wireless communication systems. However, the OFDM waveform is characterized by a high peak-to-average power ratio (PAPR), especially when a large number of subcarriers are used. A high PAPR is a major waveform defect since it leads to non-linear distortion when passing through the transmitter's power amplifier. Most of the PAPR reduction techniques found in the literature reduce the PAPR mainly at the cost of either excessive computational complexity or degrading the transmission bit error rate (BER). We propose a low-complexity technique for PAPR reduction based on linear scaling of a portion of signal coefficients by an optimal factor. This paper is backed up by the extensive analysis of various performance metrics, which leads to optimal choices of key parameters and hence maximum achievable gains. The analytic and simulated results show that the proposed technique is capable of reducing the PAPR effectively with negligible effect on BER in return for a slight reduction in data rate. For example, for 1024 subcarriers, the PAPR can be reduced from 13 dB to below 7.4 or 6.9 dB, in return for only 1% or 2% reduction in data rate, respectively. In addition, the achievable PAPR varies very slightly in response to increasing the number of subcarriers. This offers a highly competitive and flexible tradeoff compared with those provided by current techniques found in the literature. Therefore, this technique has a very good potential for practical application in current and future OFDM-based systems, especially those which employ a very large number of subcarriers, such as LTE, DVB-T2, and 5G systems.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,096
Tête enseignante GPT0,324
Écart entre enseignants0,227 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations63
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE AccessMême sujetPAPR reduction in OFDMTravaux en français237 207